Θα μας βοηθήσει η Τεχνητή Νοημοσύνη να διαβάσουμε τη μινωική γραφή;

https://slpress.gr/ 13 May, 2023 ΑΡΘΡΑΓΝΩΜΕΣ

Θα μας βοηθήσει η Τεχνητή Νοημοσύνη να διαβάσουμε τη μινωική γραφή;

Στο Ισραήλ, ειδικοί στα δίκτυα νευρώνων τεχνητής νοημοσύνης και στη γλωσσολογία, κατάφεραν να δημιουργήσουν ένα μοντέλο Τεχνητής Νοημοσύνης που διαβάζει σφηνοειδή γραφή και αμέσως πήραν… τα μυαλά μας αέρα: ίσως μέσα σε όλα τα δυσάρεστα που ακούγονται για την σκεπτόμενη μηχανή, υπάρχουν και θετικά στοιχεία, όπως για παράδειγμα στους τομείς της ιατρικής ή της αρχαιολογίας. Στον τελευταίο, όλοι οι Έλληνες γλωσσολόγοι έχουν μεγάλο καημό να αποκρυπτογραφήσουν τη μινωική γραφή (τα κρητικά ιερογλυφικά) αλλά και την Γραμμική Α΄, η οποία μόνον μερικώς έχει αποκωδικοποιηθεί.

Όταν λοιπόν διαβάσαμε έρευνα σύμφωνα με την οποία οι Ισραηλινοί “έμαθαν” στην Τεχνητή Νοημοσύνη να διαβάζει τα εξαιρετικά δύσκολα και περίπλοκα κείμενα της ακκαδικής γλώσσας με σφηνοειδή γραφή, απευθυνθήκαμε σε έναν από τους πρωτεργάτες της πρωτοβουλίας, τον Gai Gutherz στο Πανεπιστήμιο του Τελ Αβίβ και τον ρωτήσαμε αν έχουμε κι εμείς ελπίδες, για την μινωική ή και την Γραμμική Α. Μας απάντησε ως εξής:

«Δεν είμαι ειδικός στη μινωική, και πάντα υπάρχει ελπίδα για κάποια πρόοδο στο μέλλον, αλλά δυστυχώς αυτό που κάναμε εδώ για τη σφηνοειδή δεν μπορεί να εφαρμοστεί στην περίπτωση που αναφέρετε, διότι εμείς δώσαμε στον υπολογιστή στοιχεία που ήδη γνωρίζαμε, δηλαδή πολλά παραδείγματα από τις μεταφράσεις που ήδη καταφέραμε εμείς οι άνθρωποι. Έτσι διδάσκουμε στο πρόγραμμα να μεταφράζει και απ’ όσο ξέρω η Μινωική δεν έχει διόλου αποκρυπτογραφηθεί, οπότε δεν έχουμε να δώσουμε κανένα δείγμα στην τεχνητή νοημοσύνη. Λυπάμαι που σας απογοητεύω, αλλά ξέρω πάντως ότι κάποιοι ερευνητής το παλεύουν».

Δεν μπορέσαμε να μάθουμε κάτι παραπάνω για αυτές τις έρευνες που είναι στα σπάργανα όσον αφορά στη μινωική, αλλά θα συνεχίσουμε να ψάχνουμε το θέμα. Ομως όσον αφορά στη σφηνοειδή των Ακκαδίων, η πρόοδος θεωρείται πολύ σημαντική, γιατί σε ολόκληρο τον κόσμο μόνον μερικές εκατοντάδες ειδικοί μπορούν να την αναγνώσουν από το πρωτότυπο και υπάρχουν χιλιάδες πλάκες που μένουν αμετάφραστες στις αποθήκες. Για την ακρίβεια υπάρχουν δεκάδες χιλιάδες πλάκες με κείμενα που δεν έχουν αποδοθεί μέχρι στιγμής.

Ακκαδική γλώσσα

Για να “διδαχθεί” ο υπολογιστής τα ακκαδικά σε σφηνοειδή μορφή, του δόθηκαν οι φωτογραφίες από εκατοντάδες κείμενα που έχουν μεταφραστεί ήδη μερικώς από ανθρώπους (στα αγγλικά), αλλά δόθηκαν παράλληλα και οι αποδόσεις τους σε λατινικό αλφάβητο, συλλαβιστά κατά κάποιον τρόπο. Αφού η μηχανή τα κατέγραψε όλα, της δόθηκαν φωτογραφίες από νέα κείμενα και προσπάθησε να τα αποδώσει στα αγγλικά. Όπως φάνηκε, μετά από προσπάθεια τριών ετών -διότι παλεύουν με αυτό το σύστημα οι Ισραηλινοί από το 2020- η τεχνητή νοημοσύνη τα κουτσοκατάφερε και το συμπέρασμα των ερευνητών είναι ότι πρόκειται για κάτι εξαιρετικά σημαντικό.

«Θα είναι ένα εργαλείο πολύτιμο, αρκεί να έχουμε κατά νου ότι θα χρειάζεται διαρκώς η ανθρώπινη παρέμβαση για διορθώσεις», είπε ένας εκ των ερευνητών, ο δρ. Shai Gordin, που ελπίζει ότι με τη βοήθεια της τεχνητής νοημοσύνης θα πάψουν να μένουν αμετάφραστα “στο ράφι” χιλιάδες κείμενα με τόσο μεγάλο ιστορικό ενδιαφέρον. Οι ειδικοί γλωσσολόγοι εξακολουθούν βέβαια να είναι λίγοι, όμως άλλο είναι τώρα να παίρνουν να επεξεργαστούν μια πρώτη ατελή μετάφραση και άλλο να έπρεπε εξαρχής να διαβάσουν σφηνοειδή γραφή, να την αποδώσουν σε συλλαβές λατινικού αλφαβήτου και να προσπαθήσουν να βγάλουν νόημα.

Αφού η τεχνητή νοημοσύνη “έπεφτε μέσα” όταν αντιμετώπιζε μικρές φράσεις και μπερδευόταν πολύ όταν αντιμετώπιζε φράσεις με πάνω από πενήντα χαρακτήρες, θα αξιοποιηθεί κυρίως για μικρά κείμενα και ως “παραγωγός” μιας πρώτης ακατέργαστης ύλης, που θα προωθείται προς επεξεργασία. Οι ειδικοί κατέληξαν στο συμπέρασμα ότι η τεχνητή νοημόσυνη θα τα βγάλει πέρα και κάποια στιγμή θα καταφέρει να μεταφράσει σωστά τα κείμενα, όμως προς το παρόν έχει ανάγκη τον άνθρωπο.

Υπενθυμίζεται ότι η ακκαδική είναι μια αρχαία σημιτική γλώσσα που ομιλείτο στην Ασσυρία και Βαβυλωνία από την τρίτη χιλιετία π.Χ. έως τον 8ο αιώνα π.Χ., όταν σταδιακά αντικαταστάθηκε από μετεξελίξεις της και είναι πλέον νεκρή γλώσσα. Οι αρχαιολόγοι ανακάλυψαν εκατοντάδες χιλιάδες πήλινες πλάκες από την αρχαία Μεσοποταμία, οι οποίες χρονολογούνται από το 3400 π.Χ.

Συλλαβιστά

Η ομάδα των επιστημόνων, απαρτιζόμενη από τους δρ. Shai Gordin από το Πανεπιστήμιο Ariel, και δρ. Gai Gutherz, δρ.Jonathan Berant, δρ. Omer Levy από το Πανεπιστήμιο του Τελ Αβίβ, στη μελέτη που δημοσίευσαν κατέγραψαν ότι η τεχνητή νοημοσύνη μετέφραζε καλύτερα όταν της έδινε κάποιος το κείμενο συλλαβιστά σε λατινικούς χαρακτήρες, παρά απ΄ ευθείας από την σφηνοειδή, όμως δεν τα πήγε και άσχημα στην άμεση μετάφραση. Δηλαδή έδιναν στο μηχάνημα το ίδιο κείμενο ως εικόνα με σφηνοειδή γραφή και όταν το απέδιδε, έδιναν το ίδιο κείμενο σε λατινικούς χαρακτήρες. Όπως ήταν αναμενόμενο, το μηχάνημα τα πήγε καλύτερα με τις συλλαβές παρά με τις εικόνες.

Στην παρακάτω εικόνα βλέπουμε το ακκαδικό κείμενο να έχει αποδοθεί με λατινικούς χαρακτήρες και από κάτω προς σύγκριση είναι η ανθρώπινη μετάφραση (HT, human translation) και η μετάφραση της μηχανής (ΝΜΤ, neural machine translation). Η ανθρώπινη απόδοση: “Αν η μέρα που θα χαθεί το φεγγάρι έχει κανονική διάρκεια, οι μέρες του κυβερνήτη θα είναι πολλές”. Η απόδοση της μηχανής: “Αν η μέρα έχει την κανονική της διάρκεια, μια βασιλεία μεγάλων σε διάρκεια ημερών”. Στην επόμενη εικόνα δίνουν στο μηχάνημα να μεταφράσει από την εικόνα της σφηνοειδούς γραφής.

Η ανθρώπινη μετάφραση: “Αν ο Άρης σκοτεινιάσει, οι άνθρωποι που πεινούσαν θα δουν άφθονο ψωμί, η γη εσωτερικά θα είναι καλή και η συγκομιδή καλή”. Η μετάφραση της μηχανής: “Αν ο Άρης είναι λαμπερός και οι άνθρωποι του ουρανού, η γη θα φάει άφθονο ψωμί, η συγκομιδή θα είναι καλή”. Το μηχάνημα μεταφράζει όπως φαίνεται καλύτερα όταν αντιμετωπίζει συλλαβές παρά σφηνοειδή, όμως και πάλι παράγει ένα κείμενο που ο άνθρωπος μπορεί να επεξεργαστεί. Στόχος είναι το μηχάνημα να “διαβάζει” έστω και με πολλά λάθη τη σφηνοειδή και να μη χρειάζεται να την μετατρέπουν οι ειδικοί σε συλλαβές με λατινικό αλφάβητο.